小咸鱼
2023 年4 月 19 日 09:44
1
请问一下：在fsl的命令中，有一个-D(demean)的选择，如果手动去平均了，再添加-D之后是否改变原先的意义？
·问题情景：三组比较（若每组2人)，将年龄、性别为协变量(已手动去平均)，设计/对比矩阵和命令如下：
G1 G2 G3 age sex
1 0 0 -0.1 0.1
1 0 0 0.1 0.1
0 1 0 0.2 -0.1
0 1 0 -0.2 -0.1
0 0 1 -0.1 0.1
0 0 1 0.1 -0.1
G1 G2 G3 age sex F
randomise -i input.nii.gz -o stat_design -m brainmask.nii.gz -d design.mat -t design.con -f design.fts -T -D 比较了加-D和不加-D，发现添加-D显著的区域更多，所以不太确定是否需要加-D？
Alex
2023 年4 月 19 日 13:13
2
randomise的-D选项的话，会同时对y（MRI数据）和X（设计矩阵）进行demean（也就是均值为0）。你如果手动demean，只是把X的均值去掉了，没有对y进行操作。因为你的X里有截距项，所以y不应该进行demean，因此不应该使用-D选项。可以参考FSL邮件列表里专家的回答：https://www.jiscmail.ac.uk/cgi-bin/wa-jisc.exe?A2=ind2108&L=FSL&D=0&P=107809
小咸鱼
2023 年4 月 19 日 13:52
3
感谢回复，那根据这个的话，也就是说不管是2组间比较还是大于2组的比较都不用加-D选项，如果考虑协变量的话，手动demean就可以了吗？
Alex
2023 年4 月 19 日 15:03
4
我的理解是：（1）只要设计矩阵里有截距项，就不用-D选项。只有当设计矩阵里没有截距项时，-D选项才是必须的，比如FSL wiki里的这个例子：https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/GLM#Single-Group_Average_with_Additional_Covariate 。（2）协变量（比如年龄等）是否需要demean，取决于是否检验的是截距项的显著性。如果是，则必须要demean（但是实际情况会更复杂一些，其实demean与否影响的是对于系数的解释，通常demean是更合理的）；如果不是，是否demean不会影响结果；（3）如果设计矩阵中有截距项，那么-D选项是否会影响结果取决于是否检验的是截距项的显著性，比如F检验的是G1=G2=G3=0，显然是检验的截距项的显著性，所以会影响结果。如果是T检验，则检验的是G1-G2的差异的显著性，所以不会影响结果。（3）我自己一般都以FSL wiki的为准，如果实在拿不准，就去FSL邮件列表里提问，FSL专家的回答应该是可以信赖的。（4）ROI-wise/voxel-wise结果的异同，我觉得都有可能，而且我自己在分析中也遇到过，有时候只有其中一个显著，有时候两个都显著、但是脑区不同等等。这并不能作为是否加-D选项的依据。（5）我自己也是属于半懂不懂的水平，所以也建议你去FSL邮件列表里问问专家，应该会很有收获。
小咸鱼
2023 年4 月 20 日 00:58
5
好的，非常感谢，其实之前我有问过，不过发了两次邮件都没有人回复T^T
Alex
2023 年4 月 20 日 01:50
6
明白了。我以前在邮件列表里问问题，绝大多数是回复的。如果没有回复，我会自己回复一下把邮件推到时间线上，不过即使这样，还是有少量问题没有回答。不过关于-D选项这个问题，邮件列表里已经有很多讨论了，你可以都看一看，有不清楚的，可以发到论坛里我们一起研究一下。
小咸鱼
2023 年4 月 20 日 11:27
7
Alex
2023 年4 月 20 日 14:22
8
你给出来的两个链接都是one-way ANOVA，只是设置contrast的方式不一样，结果应该是完全一样的。不过我也好奇为啥FSL要在两个地方重复说。
小咸鱼
2023 年4 月 20 日 15:01
9
emm我尝试了一下，感觉两个的tfce_corrp_fstat文件结果不一样，而且，下面的ANOVA检验（是否加-D）结果不影响，不过如果是F检验那里（是否加-D）影响特别大，（感觉自己统计知识非常匮乏，没有办法从理论去解释）
Alex
2023 年4 月 20 日 17:07
10
我这边没有测试过，我想了一下，应该是我理解错了。我先说一下我现在的理解，再说一下前面为啥可能错了。
对于contrast 1:
对于contrast 2:
因为contrast 1我没有用过，所以我一眼看去以为检验的零假设是A=B=C=0（前面也提到了），但实际上并没检验A=B=C，只是A=0, B=0, C=0。当然，这是我根据你的测试结果反过来理解的。我自己对于contrast背后的数学原理也是不清楚的，只是根据wiki上的设置试图去“理解”，到底数学上是不是这样的，我还是不确定的，仅供你参考。所以，我在数据分析过程中会按照官方教程去操作，如果不确定的，都需要去邮件列表里确认一下，根本原因就是数学上不完全懂，没有信心。不过你的测试也解决了我前面的困惑，为啥FSL会在两个地方“重复”一样的东西，其实检验的是不同的零假设。
Alex
2023 年4 月 21 日 04:04
11
我又在FSL的邮件列表里搜索了一下，有一个相关的问题是我没有考虑到的：https://www.jiscmail.ac.uk/cgi-b … ;L=FSL&P=R48322
在解读contrast 1的含义的时候（假设设计矩阵就是最开始的问题的样子），也要考虑到是否用了-D选项。如果加了-D选项，那么contrast 1：
A B C
小咸鱼
2023 年5 月 26 日 08:57
12
明白啦，不过还有个问题。
Alex
2023 年5 月 26 日 14:58
13
一般有两种做法，一种是先做voxel-wise的F-test，如果显著了，再做voxel-wise的T-test作为post-hoc，如果是这种做法，就可以在设置F contrast的时候把t contrast也设置了。另一种是，根据voxel-wise的F-test显著的结果作为ROI mask，做post-hoc的时候，就用ROI的均值来做了。之所以会出现这两种做法的原因是，voxel-wise的F-test和T-test，结果并不一定在同样的脑区，由于多重比较校正的原因。我个人倾向于直接做两两的T-test，不用做F-test。做F-test的原因是控制假阳性率，只要在做T-test的时候校正比较次数可以到达同样的效果。
这个应该是比较经典的问题了，你可以去FSL邮件列表再搜一搜，看看专家们怎么理解这个问题。另外，你如果看到什么资料感觉不清楚的，也可以贴到这里，我可以和你一起看看。
Alex
2023 年6 月 2 日 04:54
15
小咸鱼:
想问一下 ROI的均值是什么意思？
先做F-test得到显著的ROI mask（或cluster mask），然后用这个mask去提取指标的均值（比如，你比较的是灰质体积，这里的均值就是显著脑区灰质体积的均值），最后用这个均值去做post-hoc，看看具体差异的方向。这种方法我觉得也是广泛接受的。